發(fā)布時(shí)間：2017-10-16 05:20

  本文關(guān)鍵詞：基于網(wǎng)絡(luò)結(jié)構(gòu)的個(gè)性化推薦系統(tǒng)的研究與開發(fā)

  更多相關(guān)文章： 復(fù)雜網(wǎng)絡(luò) 推薦算法 協(xié)同過(guò)濾 最近鄰 有向相似度

【摘要】：個(gè)性化推薦系統(tǒng)作為互聯(lián)網(wǎng)時(shí)代解決信息過(guò)載問(wèn)題的有效手段,通過(guò)信息過(guò)濾使用戶獲取有效信息。目前個(gè)性化推薦系統(tǒng)在實(shí)際應(yīng)用中的效果并不盡如人意,遇到的問(wèn)題和挑戰(zhàn)很多,尤其是在實(shí)際用戶數(shù)據(jù)的處理上,存在算法實(shí)時(shí)性不佳、數(shù)據(jù)稀疏影響推薦精度等問(wèn)題。 本文在豆瓣網(wǎng)絡(luò)數(shù)據(jù)上對(duì)傳統(tǒng)的協(xié)同過(guò)濾推薦算法進(jìn)行改進(jìn),通過(guò)網(wǎng)絡(luò)結(jié)構(gòu)的節(jié)點(diǎn)度值、有向網(wǎng)絡(luò)理論分別考慮最近鄰居策略和有向相似度方向的作用,對(duì)用戶在圖書、電影和音樂(lè)領(lǐng)域收藏列表進(jìn)行個(gè)性化推薦。推薦的結(jié)果在準(zhǔn)確度、多樣性和新奇性三種被廣泛使用在衡量推薦算法效果的指標(biāo)上進(jìn)行比較和分析。結(jié)果表明,相比傳統(tǒng)協(xié)同過(guò)濾推薦算法,兩種改進(jìn)算法均能夠保證推薦結(jié)果的多樣性和新奇性,在實(shí)際應(yīng)用時(shí)可以保證用戶的滿意體驗(yàn),同時(shí)最近鄰算法可有效降低算法復(fù)雜度,而有向相似度算法則具有更高的推薦準(zhǔn)確度。 在應(yīng)對(duì)信息過(guò)載問(wèn)題時(shí),作為對(duì)搜索引擎很好的補(bǔ)充,個(gè)性化推薦系統(tǒng)受到了國(guó)內(nèi)外研究人員的廣泛關(guān)注,本文通過(guò)豆瓣網(wǎng)絡(luò)數(shù)據(jù)對(duì)協(xié)同過(guò)濾算法進(jìn)行分析改進(jìn)和比較研究,發(fā)現(xiàn)了一些基于社交網(wǎng)絡(luò)數(shù)據(jù)內(nèi)容和網(wǎng)絡(luò)結(jié)構(gòu)的新現(xiàn)象,為以后算法研究提供了社交網(wǎng)絡(luò)上的實(shí)驗(yàn)數(shù)據(jù)。將來(lái)這方面的研究可以通過(guò)考慮跨條目類型推薦以及好友因素、時(shí)間因素對(duì)用戶興趣口味的影響進(jìn)行進(jìn)一步擴(kuò)展。
【關(guān)鍵詞】：復(fù)雜網(wǎng)絡(luò) 推薦算法 協(xié)同過(guò)濾 最近鄰 有向相似度
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.3
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-21
• 1.1 個(gè)性化推薦系統(tǒng)研究的背景和意義9-13
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀和發(fā)展趨勢(shì)13-19
• 1.2.1 國(guó)內(nèi)外研究現(xiàn)狀13-16
• 1.2.2 個(gè)性化推薦系統(tǒng)的發(fā)展趨勢(shì)16-19
• 1.3 本文主要研究?jī)?nèi)容19-20
• 1.4 本章小結(jié)20-21
• 第2章 協(xié)同過(guò)濾推薦技術(shù)概論21-29
• 2.1 協(xié)同過(guò)濾推薦算法21-23
• 2.1.1 算法簡(jiǎn)介21
• 2.1.2 算法分類21-23
• 2.2 算法流程23-24
• 2.3 相似度計(jì)算方法24-25
• 2.4 推薦系統(tǒng)評(píng)價(jià)指標(biāo)25-27
• 2.4.1 引言25
• 2.4.2 準(zhǔn)確度25-26
• 2.4.3 多樣性26-27
• 2.4.4 新穎性27
• 2.5 本章小結(jié)27-29
• 第3章 個(gè)性化推薦算法設(shè)計(jì)29-33
• 3.1 引言29
• 3.2 相似度定義的拓展29-31
• 3.3 構(gòu)建相似度網(wǎng)絡(luò)31-32
• 3.4 推薦得分計(jì)算32
• 3.5 本章小結(jié)32-33
• 第4章 算法執(zhí)行與結(jié)果分析33-41
• 4.1 引言33
• 4.2 數(shù)據(jù)來(lái)源33-34
• 4.3 數(shù)據(jù)預(yù)處理34-35
• 4.4 算法執(zhí)行35-36
• 4.5 結(jié)果分析36-40
• 4.5.1 精度和召回率36-38
• 4.5.2 多樣性38-39
• 4.5.3 新穎性39-40
• 4.6 本章小結(jié)40-41
• 第5章 推薦系統(tǒng)平臺(tái)搭建41-46
• 5.1 引言41
• 5.2 開發(fā)語(yǔ)言環(huán)境介紹41-42
• 5.3 軟件系統(tǒng)功能42-45
• 5.3.1 數(shù)據(jù)預(yù)處理42-43
• 5.3.2 算法選擇與參數(shù)設(shè)置43-44
• 5.3.3 算法執(zhí)行與結(jié)果輸出44-45
• 5.4 本章小結(jié)45-46
• 第6章 總結(jié)與展望46-48
• 6.1 研究工作總結(jié)46-47
• 6.2 未來(lái)研究展望47-48
• 參考文獻(xiàn)48-53
• 致謝53-54
• 攻讀學(xué)位期間參加的科研項(xiàng)目和成果54

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 劉建國(guó);周濤;郭強(qiáng);汪秉宏;;個(gè)性化推薦系統(tǒng)評(píng)價(jià)方法綜述[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2009年03期

2 張亮;柏林森;周濤;;基于跨電商行為的交叉推薦算法[J];電子科技大學(xué)學(xué)報(bào);2013年01期

3 鄧愛(ài)林,朱揚(yáng)勇,施伯樂(lè);基于項(xiàng)目評(píng)分預(yù)測(cè)的協(xié)同過(guò)濾推薦算法[J];軟件學(xué)報(bào);2003年09期

，

本文編號(hào)：1040845